Markdown संस्करण

AI-translated from English; not yet reviewed by a fluent editor.

# DeepMind और GovTech ने डिवाइस पर चलने वाले धोखाधड़ी पहचान मॉडल का विवरण दिया

> DeepMind और सिंगापुर की GovTech ने फोन के लिए दो चरणों वाला धोखाधड़ी पहचान मॉडल बताया है: पहले संदेशों की तेज़ जाँच, फिर Gemma से बातचीत का विश्लेषण। इसका लॉन्च और नतीजे अज्ञात हैं।

By BIG CHANGE Editorial

Published: 2026-10-14T23:06:16.961Z
Updated: 2026-10-14T23:06:16.961Z
Canonical: https://bigchange.ai/blog/deepmind-singapore-on-device-scam-detection

![Conceptual charcoal illustration of one person pausing over a blank-screen smartphone beside a window.](https://bigchange.ai/api/media/file/deepmind-scam-message-pause-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. A person pauses over a phone; no released app, actual warning, detected scam or tested result is depicted.

Google DeepMind और सिंगापुर की Government Technology Agency (GovTech) ने 14 अक्टूबर को एक ऐसे मॉडल की घोषणा की जो फोन पर संदेशों की बातचीत में हेरफेर के संकेत खोजता है। इसकी रूपरेखा सामान्य संदेशों की पहले तेज़ जाँच करती है और संभावित रूप से संदिग्ध संदेशों को अधिक बारीकी से देखने के लिए fine-tuned Gemma मॉडल को भेजती है। साझेदारों के अनुसार, बातचीत का विश्लेषण करने के लिए उसे सर्वर पर भेजे बिना, बातचीत के दौरान व्यक्ति को चेतावनी दी जा सकती है। उन्होंने उपभोक्ताओं के लिए रिलीज़ की घोषणा नहीं की और पहचान के परिणाम प्रकाशित नहीं किए।

## बड़ा बदलाव

- **क्या बदला:** DeepMind और GovTech ने डिवाइस पर चलने वाले दो चरणों के धोखाधड़ी पहचान मॉडल का वर्णन किया: हल्का classifier पहले आने वाले संदेशों को छाँटता है; पहले चरण में चिंता का संकेत मिलने पर fine-tuned Gemma मॉडल बातचीत के अधिक हिस्से की जाँच करता है। खतरा मिलने पर फोन पर चेतावनी आती है।
- **यह क्यों मायने रखता है:** इस डिज़ाइन का लक्ष्य निजी मैसेजिंग में बातचीत के भीतर हेरफेर की जाँच करना है, जबकि inference डिवाइस पर ही रहता है। पहला चरण यह भी सीमित करता है कि अधिक संसाधन माँगने वाला संदर्भ मॉडल कितनी बार चले। ये साझेदारों द्वारा बताए गए डिज़ाइन विकल्प हैं, गोपनीयता, बैटरी या धोखाधड़ी रोकने के स्वतंत्र रूप से मापे गए परिणाम नहीं।
- **क्या देखना है:** रिलीज़ का रास्ता, समर्थित डिवाइस और छूटी हुई धोखाधड़ी, गलत चेतावनियों, गति तथा बिजली उपयोग पर प्रकाशित परीक्षण यह दिखा सकते हैं कि साझेदारों के बताए विकास कार्य से बाहर मॉडल कैसा प्रदर्शन करता है। घोषणा में इनमें से कोई विवरण नहीं है।

## बातचीत के विश्लेषण से पहले तेज़ जाँच

DeepMind के [परियोजना विवरण](https://deepmind.google/blog/on-device-ai-scam-detection-mddi/) में, हल्का classifier बहुत कम बिजली में आने वाले संदेशों को जाँचता है। जिस संदेश को वह सुरक्षित मानता है, उसकी प्रक्रिया वहीं समाप्त होती है। संभावित खतरा fine-tuned Gemma मॉडल तक जाता है; वह बातचीत के बड़े हिस्से का मूल्यांकन कर संदेह हटाता है या धोखाधड़ी की चेतावनी देता है। चेतावनी व्यक्ति को पैसे या संवेदनशील जानकारी साझा करने से पहले रुकने की सलाह देती है।

दूसरा चरण इसलिए महत्त्वपूर्ण है क्योंकि अकेला संदेश बातचीत में धीरे-धीरे विकसित हो रहे हेरफेर को नहीं दिखा सकता। DeepMind कहता है कि मॉडल को स्थानीय धोखाधड़ी वाली बातचीत पर fine-tune किया गया, जिनमें सार्वजनिक संस्थानों, बैंकों और स्थानीय हस्तियों का रूप धरना तथा क्षेत्रीय तरीके शामिल थे। वह Gemma का सटीक संस्करण या आकार, पहले classifier की संरचना, दूसरे चरण तक पहुँचने वाले संदेशों की संख्या या चेतावनी दिखाने की सीमा नहीं बताता। इन विवरणों के बिना केवल घोषणा से बिजली और सटीकता के बीच का समझौता आँकना असंभव है।

DeepMind इस प्रणाली को end-to-end encryption वाली मैसेजिंग सेवाओं के लिए रखता है। ऐसे में कोई सेवा अपने सर्वर पर encrypted संदेशों की सामग्री को सीधे नहीं देख सकती। साझेदारों का कहना है कि उनका मॉडल बातचीत को डिवाइस पर संसाधित करता है। यह प्रस्तावित inference मार्ग के बारे में एक विशिष्ट दावा है; पोस्ट में स्वतंत्र गोपनीयता ऑडिट या इस बात का विवरण नहीं है कि कोई भावी ऐप अन्य सुविधाओं से क्या एकत्र कर सकता है।

## क्लाउड प्रशिक्षण और स्थानीय inference अलग चरण हैं

परियोजना के प्रशिक्षण में क्लाउड इंफ्रास्ट्रक्चर का उपयोग हुआ था। DeepMind के अनुसार fine-tuning Google Cloud के ऐसे वातावरण में हुई जिसका प्रबंधन और रखरखाव GovTech करता है, और प्रशिक्षण डेटा वहाँ अलग रखा गया। उसका कहना है कि निजी तथा व्यक्तिगत पहचान बताने वाली जानकारी हटाई गई और डेटासेट धोखाधड़ी रिपोर्टों व सूचना स्रोतों से लेकर anonymize किए गए। साझेदार synthetic संवादों और स्थानीय corpus पर परीक्षणों की भी रिपोर्ट देते हैं। पोस्ट डेटा तैयार करने की विधि, परीक्षण प्रोटोकॉल या संख्यात्मक परिणाम नहीं देता, इसलिए ये उनके अपने प्रक्रिया-विवरण हैं।

उस विकास वातावरण को प्रस्तावित रोज़मर्रा के संचालन से भ्रमित नहीं करना चाहिए। बताई गई रूपरेखा में संदेशों की जाँच और Gemma का संदर्भगत inference फोन पर स्थानीय रूप से चलता है और चेतावनी वहीं दिखती है। क्लाउड पर fine-tuning होने भर से यह निष्कर्ष नहीं निकलता कि उपयोगकर्ता की लाइव बातचीत GovTech के प्रशिक्षण वातावरण में भेजी जाती है। इसी तरह, डिवाइस पर चलने का साझेदारों का दावा किसी अभी घोषित न हुए उपभोक्ता एकीकरण की डेटा प्रथाएँ स्थापित नहीं करता।

DeepMind का कहना है कि यह काम Singapore International Cyber Week में प्रस्तुत किया गया और मैसेजिंग प्लेटफ़ॉर्म तथा ऑपरेटिंग सिस्टम विक्रेता मॉडल को जोड़ सकते हैं। वह किसी एकीकरण सेवा, ऐप या ऑपरेटिंग सिस्टम रिलीज़ का नाम नहीं देता, समर्थित फोन नहीं गिनाता, fine-tuned weights उपलब्ध नहीं कराता, कीमत या rollout तारीख नहीं बताता। रिपोर्ट किए गए stress tests स्वतंत्र क्षेत्रीय मूल्यांकन नहीं हैं। यहाँ उपयोगी प्रगति धोखाधड़ी वाली बातचीत को स्थानीय रूप से जाँचने की स्पष्ट रूपरेखा है; व्यवहार में लोगों को भरोसेमंद चेतावनी मिलेगी या नहीं, यह खुला प्रश्न है।

## स्रोत और आगे पढ़ें

- [Google DeepMind की घोषणा](https://deepmind.google/blog/on-device-ai-scam-detection-mddi/), 14 अक्टूबर 2026: दो चरणों का प्रवाह, Gemma fine-tuning, डिवाइस पर प्रस्तावित चेतावनी, GovTech द्वारा प्रबंधित क्लाउड प्रशिक्षण और शासन व परीक्षण पर साझेदारों के दावे। यह परियोजना टीम का विवरण है; सटीकता, latency, बैटरी या rollout के सार्वजनिक आँकड़े नहीं हैं।
- [सिंगापुर MDDI की National AI Partnership घोषणा](https://www.mddi.gov.sg/newsroom/google-and-singapore-expand-partnership-to-accelerate-ai-impact-for-the-public-good/), 20 मई 2026: Google–Singapore सहयोग की पृष्ठभूमि। यह धोखाधड़ी मॉडल के प्रदर्शन या उपलब्धता का दस्तावेज़ नहीं है।

## Sources

- [Google DeepMind और सिंगापुर सरकार ने नागरिकों को धोखाधड़ी से बचाने के लिए नया AI टूल घोषित किया](https://deepmind.google/blog/on-device-ai-scam-detection-mddi/) — दो चरणों वाले स्थानीय inference, संदर्भ Gemma मॉडल, डिवाइस चेतावनी, क्लाउड fine-tuning और anonymized प्रशिक्षण डेटा का परियोजना टीम का विवरण। गोपनीयता व परीक्षण के दावे साझेदारों के नाम से दिए गए हैं; सार्वजनिक rollout या मापा गया प्रदर्शन नहीं बताया गया।
- [Google और Singapore ने जनहित के लिए AI प्रभाव तेज़ करने की साझेदारी बढ़ाई](https://www.mddi.gov.sg/newsroom/google-and-singapore-expand-partnership-to-accelerate-ai-impact-for-the-public-good/) — व्यापक National AI Partnership पर MDDI का रिकॉर्ड; केवल संदर्भ, धोखाधड़ी डिटेक्टर के प्रदर्शन या पहुँच के विवरण के बिना।